作り方は、すべて生成AIでプログラムを書いています。動くときに AI に判断させるかどうかは、間違いが許されるかどうかで決めています。
代表自身が手を動かした、ローカル LLM 導入の実例
コンサルの提案書ではなく、代表（杉﨑）が自分でローカル LLM を業務に組み込み、毎日運用している中で生まれた実例です。すべて社内データを社外 API に出さず、Mac mini 1 台で完結しています。
CASE 01 ｜ 営業の案件登録
作り方：生成AIで作成 動き方：AI が判断
電話メモを貼るだけで案件登録
「整理してから入力」の手間で案件が登録されず消えていく問題を、ローカル LLM の構造化抽出で解消。雑なメモを貼るだけで顧客名・金額・納期が自動で埋まります。
入力時間 約10分 → 約5秒
CASE 02 ｜ 社内タスク管理
作り方：生成AIで作成
“雑な初版”を 1 日で立ち上げ
市販ツールが続かなかった反省から、完璧主義を捨てて自作。雑な初版を 1 日で出し、毎日 1 か所ずつ直して実用レベルへ。AI と組むと修正コストがほぼゼロになります。
立ち上げ 検討半年 → 1日 / 3週間で実用
CASE 03 ｜ AI 運用設計の学び
作り方：生成AIで作成
“読まれない AI”を止めた
勝手に動く自動レポートは誰にも読まれず腐る——その失敗から、“人が呼んで動く AI”を中心に設計し直しました。導入時に “止める条件” を先に書くのが鉄則です。
設計方針 自動レポート量産 → 必要な時だけ呼ぶ AI
CASE 04 ｜ データ主権
作り方：生成AIで作成 動き方：AI が判断
顧客データを社外に出さない運用
営業・労務・社内文書を扱う AI を、クラウド AI ではなく Mac mini 上のローカル LLM で構築。重要データを社外 API に送らずに AI 活用できる体制を、中小企業の規模で実現しました。
データ送信先 社外クラウド → 自社内で完結
CASE 07 ｜ 問い合わせの仕分け
作り方：生成AIで作成 動き方：プログラム＋AI
問い合わせの売り込みを仕分け、相談だけを届ける
ホームページの問い合わせを1年分読み直すと、本物の相談は約1割で、残りは売り込みでした。確実なものは決まりごとで落とし、残りを社内の Mac mini で動く AI が仕分けて、買い手からの相談だけを担当者に届けます。本文は社外の AI に渡しません。
過去1年の検証 85件で取りこぼし0件・誤判定0件
仕組みを見るCASE 09 ｜ ローカル AI の使い分け
作り方：生成AIで作成 動き方：AI が判断
Mac mini 1台のローカル AI を、実測で使い分ける
複数のモデルに同じ業務の問題を解かせて比べました。小さなモデルは形式や字数の検査を通るのに、中身が崩れていました。用途ごとにモデルを選び、数字の計算は AI にさせません。
常備するモデル 5つ（置き場は 64GB → 17GB に整理）
仕組みを見る生成AIで作った自動化（判断はプログラムが中心）
どれも生成AIと一緒にプログラムを書いて作りました。お客様や社員に届く文面・指摘のように、毎回同じ結果であることが大事な所では、動くときの判断をプログラムに任せています。文章の読み取りが要る所だけ、社内の AI が受け持ちます。
CASE 05 ｜ SaaS 置き換え
作り方：生成AIで作成 動き方：プログラムが判断
会員へのメール配信を、自社の中へ
年額制の顧客管理 SaaS で使っていたのは配信機能だけで、その配信を、Mac mini 1台と自社の Google Workspace で送る自作の仕組み「Koibumi」に置き換えました。承認フローは置かず、送信前の5つの関所と自動報告で誤送信を防ぐ設計で、事務の担当者が単独で本番配信しています。
配信の置き場所 年額制の SaaS → 自社の Mac mini 1台
仕組みを見るCASE 06 ｜ 社内チェックの自動化
作り方：生成AIで作成 動き方：プログラムが判断
経費精算書の誤りを、平日の毎朝本人に知らせる
社員が出す経費精算書（スプレッドシート）を会社のサーバーが平日の毎朝読み、記入の誤りがあれば本人にチャットで知らせます。直るまで毎日届き、精算するものが無い月は何も届きません。判定は、生成AIで作ったプログラムが全項目を毎回同じ基準で行います。
確かめる範囲 日付・金額・登録番号の検算・合計欄まで
仕組みを見るCASE 08 ｜ 自動化を止めない
作り方：生成AIで作成 動き方：プログラムが判断
約90の自動処理を、止まっても気づける形で回す
見張り役の仕組みが社内 bot と定時処理を見守り、直し方の決まっているものは自動で直して、直したことを必ず報告します。一時的なつまずきは次の回で確かめ、消えていれば知らせません。判断は、生成AIで作ったプログラムが行います。
自動で直す回数 同じ対象に1日3回まで・超えたら人へ
仕組みを見るCASE 10 ｜ 下書きの一次チェック
作り方：生成AIで作成 動き方：プログラム＋AI
取引先への文面を、確認を頼む前に機械で一次チェック
代表への確認依頼で差し戻す理由の多くは、文字化けや敬称、署名といった機械的な不備でした。宛名・敬称・署名・書類の体裁は決まりごとで確かめ、社内で動く AI には誤字と書きかけだけを見させています。
AI の担当 誤字と書きかけだけ
仕組みを見るいずれも特別な開発チームではなく、研修会社の少人数のチームが自分たちで作ったものです。だからこそ“うちでもできるか”を等身大で一緒に検討できます。各事例の詳しい経緯はコラムへ →
ほかの取り組みも、あわせて
研修運営の自動化
これらの事例と同じ設計の考え方で、新入社員研修の日報・配属後のフォローを Slack bot で回す仕組みをご案内しています。
研修運営の自動化を見る生成AI・ローカルLLM構築支援
導入の進め方や、当社の取り組みの全体像は、入口のページにまとめています。
生成AI・ローカルLLM構築支援へ戻る費用・料金の目安
構築費・機材費・並走型・生成AI顧問の費用と、費用を決める4つの要素を説明しています。
費用・料金の目安を見るローカルLLMとクラウドAIの選び方
機材構成の目安、業種別の使いどころ、当社の5つの提供領域をまとめています。
選び方を見る※ 本ページは、当社が自社の業務のために作った仕組みの事例紹介です。